原创 利用python獲取windows管理員權限執行代碼

import ctypes, sys import os def is_admin(): try: return ctypes.windll.shell32.IsUserAnAdmin() exc

原创 pytorch轉onnx模型多輸入問題(如:Bert)

舉個例子: Bert模型有三個輸入,因此就要創建三個dummy_input,然後利用一個tuple,傳入函數中。 dummy_input0 = torch.LongTensor(Batch_size, seg_length).to

原创 Leetcode-Roman to Integer(java)

1 Description(描述) Roman numerals are represented by seven different symbols: I, V, X, L, C, D and M. 羅馬數字通過其中不同的符號來

原创 python中的反射機制,解決模塊動態引入,路由分發

什麼是反射機制 反射是將字符串映射到實例變量或實例方法的一種機制. 常見的應用場景:(1)動態加載模塊(2)web框架的URL路由 學習中的可能遇到了這些需求 (1)你的夥伴封裝好了很多py文件,然後你負責根據不同需求去調用不同模

原创 python實現插值查找(遞歸、迭代)

算法思想 二分查找的改進,但中間值計算改成了利用公式預測數據所在的位置,該方法假設數據分佈是呈線性的,因此由公式(1)得到中間值 mid 的計算公式(2)。 mid−lowhigh−low=value−data[low]data[

原创 python實現二分查找(遞歸、迭代)

算法思想 將數據分成兩部分,並比較中間值與待查找數據大小,如果小於則在前半段查找,如果大於則在後半段查找。經過數次分割直到中間值等於待查數據或找不到待查數據爲止。 分析 時間複雜度:O(logn)。 數據必須是有序的,並且所有數

原创 Django中不攜帶token導致csrf驗證失敗解決方法

1 問題 在使用Django發送post等請求時如果不懈怠csrf的token就會出現403 Forbidden錯誤。 2 解決方式 如果很多接口都不需要csrf驗證的話,則可以將settings文件中csrf中間件註釋不使用

原创 python中getattr函數妙用

函數說明 getattr(object, name, default=None) object:類實例 name:str 屬性名 default:str 如果沒有查找到,用該值替代 用法 實現反射,主要參考django的源碼

原创 python負數取餘運算問題

例子 java中,-10對3進行取餘,得到結果爲-1 class Test { public static void main(String[] argvs) { System.out.println(-10 % 3)

原创 python實現圖的廣度優先搜素算法並打印最短路徑

from collections import deque def create_graph(): """採用鄰接表方式儲存圖""" graph = {} graph['A'] = ['B', 'C']

原创 與Django結合利用模型對上傳圖片預測的實例詳解

今天小編就爲大家分享一篇與Django結合利用模型對上傳圖片預測詳解,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧 1 預處理 (1)對上傳的圖片進行預處理成100*100大小 def pr

原创 Batch_size總結

1 定義 單次訓練用的樣本數,通常爲2^N,如32、64、128 2 提出背景 在batch_size概念沒提出之前,神經網絡的訓練每一個epoch需要將所有的數據一次性加載訓練,使得內存負載加大。這樣會準確計算梯度方向更準確,但

原创 Pytorch通過保存爲ONNX模型轉TensorRT5

1 Pytorch以ONNX方式保存模型 def saveONNX(model, filepath): ''' 保存ONNX模型 :param model: 神經網絡模型

原创 Pandas從原dataframe中剔除篩選出來的dataframe

# 隨機取一定數量的就 splitfile_one_df = csvfile.sample(num) # 源文件剔除隨機到的數據 splitfile_two_df = csvfile.drop(splitfile_one_df.in

原创 TensorRT5介紹及Pytorch轉TensorRT5代碼示例

1 TensorRT簡介 TensorRT的核心是一個c++庫,它促進了對NVIDIA圖形處理單元(gpu)的高性能計算。它與TensorFlow,Pytorch等框架相輔相成。他可以快速高效的運行一個已經訓練好的神經網絡,並生成結果